html转换到word

最新推荐文章于 2023-03-13 20:46:28 发布

xuelu1987

最新推荐文章于 2023-03-13 20:46:28 发布

阅读量227

点赞数

分类专栏： office 文章标签： java

本文链接：https://blog.csdn.net/xuelu1987/article/details/84393902

版权

office 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

最近在项目中需要将通过富文本编辑器处理过的文字转换为Word，查了很久，大家通常的解决办法是使用Jacob或POI等组件直接生成Word，但是都无法将富文本编辑器处理过的文字保留样式并保存为Word，最终以失败而告终，无奈只有自己研究Word的格式转换；

分析了转换过程，总体分两个步骤：

1、实现富文本中样式代码的分离；

2、保留CSS样式；

其实以上两个步骤是相互矛盾的处理过程，无法通过Jacob或POI组件加正则表达式过滤解决，于是进行了以下步骤的实验：

1、首先创建了一个空白word文档，格式（office 2003格式或office 2007格式）不限；

2、将word格式保存为html格式，通过Edit Plus打开，发现代码中使用了office的命名空间，同时使用了office命名空间的标签定义了CSS样式，自己测试了一下，将生成的html文件头和尾拷贝出来：代码如下：

[html] view plaincopy

    <html xmlns:v="urn:schemas-microsoft-com:vml"  
    xmlns:o="urn:schemas-microsoft-com:office:office"  
    xmlns:w="urn:schemas-microsoft-com:office:word"  
    xmlns:m="http://schemas.microsoft.com/office/2004/12/omml"  
    xmlns="http://www.w3.org/TR/REC-html40">  

    <!-- 富文本代码区 -->  

    </html>

以上HTML头是office的命名空间定义。

3、将使用富文本代码粘贴到红色标识的中，并以doc或docx格式保存文件；

4、大功告成，打开文件时，Word将会以“Web版视图”完美显示了富文本样式，成功解决了富文本代码中样式代码，并同时保留了格式；

java代码

public class HtmlToWord {
	@Test
	public void htmlToWord() throws IOException{
		File file = new File("D:\\77.doc");
		if(!file.exists()){
			file.createNewFile();
		}
		FileOutputStream fos = new FileOutputStream(file);
		StringBuffer sb = new StringBuffer("");
		fos.write("<html xmlns:v=\"urn:schemas-microsoft-com:vml\"".getBytes());
		fos.write("xmlns:o=\"urn:schemas-microsoft-com:office:office\"".getBytes());
		fos.write("xmlns:w=\"urn:schemas-microsoft-com:office:word\"".getBytes());
		fos.write("xmlns:m=\"http://schemas.microsoft.com/office/2004/12/omml\"".getBytes());
		fos.write("xmlns=\"http://www.w3.org/TR/REC-html40\">".getBytes());
		fos.write("<body>".getBytes());
		fos.write("<img width=554 height=577 src=\"1212.jpg\">".getBytes());
		fos.write("</body>".getBytes());
		fos.write("</html>".getBytes());
	}
}